这个Matlab工具箱实现32种维数降低技术。
这些技术都可以通过COMPUTE_MAPPING函数或trhoughGUI。
有以下技术可用: -主成分分析('PCA') -线性判别分析('LDA') -多维缩放('MDS') -概率PCA('ProbPCA') -因素分析('因子分析') -Sammon映射('Sammon') -Isomap('Isomap') -LandmarkIsomap('LandmarkIsomap') -局部线性嵌入('LLE') -拉普拉斯特征图('Laplacian') -HessianLLE('HessianLLE') -局部切线空间对准('LTSA') -扩散图('DiffusionMaps') -内核PCA('KernelPCA') -广义判别分析('KernelLDA') -随机邻居嵌入('SNE') -对称随机邻接嵌入('SymSNE') -t分布随机邻居嵌入('tSNE') -邻域保留嵌入('NPE') -线性保持投影('LPP') -随机接近嵌入('SPE') -线性局部切线空间对准('LLTSA') -保形本征映射('CCA',实现为LLE的扩展) -最大方差展开('MVU',实现为LLE的扩展) -地标最大差异展开('地标MVU') -快速最大差异展开('FastMVU') -本地线性协调('LLC') -歧管图表('ManifoldChart') -协调因子分析('CFA') -高斯过程潜变量模型('GPLVM') -使用堆栈RBM预训练的自动编码器('AutoEncoderRBM') -使用进化优化的自动编码器('AutoEncoderEA')此外,工具箱包含6种内在维度估计技术。
这些技术可通过INTRINSIC_DIM函数获得。
有以下技术可用: -基于特征值的估计('EigValue') -最大似然估计器('MLE') -基于相关维度的估计器('CorrDim') -基于最近邻域评估的估计器('NearNb') -基于包装数量('PackingNumbers')的估算器 -基于测地最小生成树('GMST')的估计器除了这些技术,工具箱包含用于预白化数据(函数PREWHITEN),精确和估计样本外扩展(函数OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST)的函数以及生成玩具数据集(函数GENERATE_DATA)的函数。
工具箱的图形用户界面可通过DRGUI功能访问
1